Python 优化此递归函数（动态规划）

我正在解决一个非常简单的算法问题，需要递归和记忆。下面的代码工作正常，但不符合时间限制。有人建议我优化尾部递归，但它不是尾部递归。。这只是学习材料，不是家庭作业

问题:

•如果下雨，蜗牛每天可以爬2米，否则1米

•每天下雨的概率为75%

---

•考虑到天数（这很简单，所以这只是一个提示。 对于初始零件集：

# suppose cache is allocated
cache[1][1] = 0.25
cache[1][2] = 0.75
for i in range(3,targetHeight+1):
    cache[1][i] = 0
for i in range(days+1):
    cache[i][1] = 1
    cache[i][0] = 1

然后尝试使用初始化的值重写递归部分（您应该自底向上迭代，如下所示）。最后，返回

cache[days][targetlight]

的值

for i in range(2, days+1):
    for j in range(2, targetHeight+1):
        cache[i][j] = 0.75 * cache[i-1][j-2] + 0.25 * cache[i-1][j-1]

---

我没有遇到我这边的性能问题。height=1000和days=1000返回的时间都不到一秒钟。应该是O（N）。

for i in range(2, days+1):
    for j in range(2, targetHeight+1):
        cache[i][j] = 0.75 * cache[i-1][j-2] + 0.25 * cache[i-1][j-1]